Kolawole Obiwusi

Wykrywanie Wlama? Przy U?yciu Selekcji Cech I Hybrydyzacji Kolawole Obiwusi

W dzisiejszych czasach bardzo wa?ne jest utrzymanie wysokiego poziomu bezpiecze?stwa, aby zapewnic bezpieczn? i zaufan? komunikacj? informacji pomi?dzy ró?nymi organizacjami. Bezsprzecznie, szeroki zakres technologii bezpiecze?stwa, takich jak szyfrowanie informacji, kontrola dost?pu i zapobieganie wlamaniom s? wykorzystywane do ochrony systemów opartych na sieci, ale nadal istnieje wiele niewykrytych wlama?. Ten projekt przedstawia przegl?d wykrywania wlama? i hybrydowy algorytm klasyfikacji oparty na naiwnej baye i K Nearest neighbour. Zbiór danych jest najpierw przepuszczany przez algorytm naiwnej baye w celu klasyfikacji, generuj?c priorytety i prawdopodobie?stwa warunkowe dla ka?dego przykladu w zbiorze danych. Je?li wyst?pi bl?dna klasyfikacja, przyklad jest przekazywany do KNN, który nast?pnie szereguje s?siedztwo przykladu, a wynikowe przyklady s? wa?one przy u?yciu podobie?stwa ka?dego z s?siadów przykladu, je?li Sim(X, Dj) jest równe 1, to X jest normalny, w przeciwnym razie algorytm znajduje K najwi?kszych Sim(X, Dj), sprawdza je wzgl?dem kryterium zatrzymania (próg).